基于圖像處理的牛仔織物緯斜檢測方法

王奇鍇 潘如如 高衛東 左亞君

（江南大學，江蘇無錫，214122）

1 問題的提出

在織物緯斜處理中，目前國內企業采用的機械大多為光電檢測技術［1］，如靜態雙夾縫、旋轉夾縫檢測法等。這些方法雖然滿足了檢測的實時性，但仍具有檢測死角和低精度的缺點，并且受到織物類型的限制，不能應用于較厚的織物或斜紋織物。受此限制，部分國內外制造企業開始研發基于機器視覺的紡織裝備。目前國外已有Elstraight 整緯器，國內有HawkVision 智能圖像整花整緯機等。

采用圖像處理技術具有較高的精度與適應性。針對緯斜角度檢測的問題，基于圖像處理技術的檢測方法主要可分為Radon 變換法［2-3］、傅立葉變換法［4-6］和Hough 變換法［7-8］。這3 種方法各有不同。Radon 變換法是通過尋找織物二值圖像中1 像素點最多的方向來確定緯斜角度。但這類方法很容易受到噪聲的影響，同時對織物紋理有嚴格的要求。傅立葉變換法是將織物的灰度圖變換為頻譜圖，通過對幅度頻譜圖的統計分析得到需要的信息，通常用于對織物紋理信息的提取。Hough 變換法是一種尋找并連接圖像中線段的方法，將像素空間上的點映射到參數空間來統計得到傾斜角度［9-12］，但由于原始圖像中存在較多的干擾信息，導致算法提取的直線精度較差；同時Hough 變換遍歷整個圖像，計算量較大，所用時間較長。

在高密度牛仔織物緯斜信息的在線檢測中，緯線信息不明顯，Hough 變換處理效果并不是很好；采用傅立葉變換在緯斜角度較低時，精確度達不到所需要的標準。另外，還要考慮圖像處理技術的魯棒性以及計算量的大小。因此，本文采用透射光，將面陣相機采集出1 024 pixel×768 pixel 的圖像，通過截取部分圖像，先采用Fourier 變換得到織物緯線的粗略偏斜角度。再利用方向鄰域濾波，設置濾波器參數為緯線的粗略偏斜角度，進行圖像細化處理得到緯線條干，最后在該角度的鄰域范圍內采用角度步長為0.1°的Hough 變換得到精確的緯線傾斜角度，從而縮小Hough 變換的處理時間，以期能提高處理效果和效率。

2 檢測理論

2.1 傅立葉變換與紋理方向角度檢測

令f(x，y)代表一幅大小為M×N的數字圖像 ， 其 中x=0，1，2，…，M-1，y=0，1，2，…，N-1，由F(u，v)表示的f(x，y)傅立葉變換見式（1）。

式中：u=0，1，2，…，M-1，v=0，1，2，…，N-1。頻域系統是以u、v（頻率）為變量來表示F(u，v)的坐標系。令R(u，v)和I(u，v)分別表示F(u，v)的實部和虛部。傅立葉譜定義見式（2）。

在幅度譜中，一幅圖像的傅立葉變換的幅頻特性在其幅頻圖的四個角上比較亮，而中心部分比較暗。在二值圖像中均勻分布的紋理，其幅度譜中作為特征紋理的點必然是幅度譜圖的次亮點（最亮點為中心點O）。根據傅立葉變換的定義可知，得到頻譜關于圖像的中心點是對稱的，所以其次亮點也是對稱的。兩個次亮點形成的直線方向為紋理的梯度方向，由于是離散化圖像，所檢測角度的精度實際上是由次亮點能區分的最小角度所決定的。若兩個次亮點分布在水平方向上，那么次亮點之間的距離即為2d，當兩個次亮點移動一個像素點時，所檢測到的角度即最小檢測角度θm見式（3）。

2.2 Hough 變換

Hough 變換就是將原始圖像上的一點，其坐標為(x，y)按照式（4）轉變為一條Hough 空間的正弦曲線。

式中：ρ為直線上某點到原點的距離；θ為從原點向該直線作垂線，垂線與x軸的夾角如圖1（a）所示。圖1（b）中的每一條正弦曲線表示通過特定點(xi，yi)的一族直線。交叉點對應于通過(xi，yi)和(xj，yj)的線。Hough 變換在計算上的便利之處是把ρθ空間再細分為累加單元，其中的(ρmin，ρmax)和(θmin，θmax)是預期的參數值范圍。

圖1 Hough 變換

2.3 方向鄰域濾波

設置一個濾波器，將其與圖像卷積后，在逆時針方向一定參數角度θ將鏡頭的線性運動近似為像素長度L，濾波器成為水平和垂直運動的矢量。構建一個理想的線段，以所需的長度和角度為中心，以h的中心系數為中心。對每個系數的位置（i，j）計算該位置與理想線段之間的最近距離Nd，得到濾波器中心系數后，就可以利用已知的角度和設定的距離構建出一條首尾固定的線段。參數計算見式（5）和式（6）。

式中：h為運動計算濾波器系數；Nd為最近距離；Nh為歸一化h。

在合適的角度范圍內利用方向濾波連接形成緯紗條干，只要使濾波相互連接，再采用圖像細化即可得到緯紗條干，見圖2。

圖2 角度θ 對方向鄰域濾波影響

3 圖像采集和緯斜檢測

3.1 動態圖像采集系統

本文旨在構建牛仔織物緯斜實時檢測系統［13-14］，為了采集到連續的牛仔織物圖像，試驗采用了自制的牛仔織物動態圖像采集系統。該系統主要包括牛仔織物轉動、牛仔織物透射圖像的動態采集、圖像實時處理與緯斜檢測3 個部分，系統裝置見圖3。

圖3 動態圖像采集檢測裝置

由于采用動態采集，本文選擇DALSA HM 1 024 相機作為圖像采集的硬件，相機的最大分辨率為1 024 pixel×768 pixel，最高幀頻為117 幀/s。一般而言，將牛仔織物平放，經紗垂直于平面時其緯紗的傾斜角度在-45°～+45°的范圍之內。選用5 種規格不同的牛仔織物進行測試，依次按照緯密由低到高，由A～E 表示：A 經緯密分別為237 根/10 cm、122 根/10 cm；B 經 緯 密 分別 為323 根/10 cm、155 根/10 cm；C 經 緯 密 分別為408 根/10 cm、180 根/10 cm；D 經緯密分別 為457 根/10 cm、205 根/10 cm；E 經 緯 密 分別 為562 根/10 cm、247 根/10 cm。圖4 為采集到的牛仔織物E的透射圖像，圖像大小為1 024 pixel×768 pixel。經相機校準，圖像中1 024 pixel 對應實際長度為2.9 cm。裝置中有透射和反射兩種光源模式，由于本試驗主要是獲取緯紗條干信息，當采用透射光拍攝采集織物圖像時，緯線的透過光較多，在圖像上呈現出高亮度，經線在圖像上為低亮度。

圖4 牛仔織物透射圖像

3.2 緯斜檢測方法

Hough 變換具有很強的直線檢測能力，在織物透射圖像中，能夠連接每個像素點形成直線得到想要的紗線角度。但對于高密度的牛仔織物，采集到圖像中干擾信息過多，Hough 變換的檢測效果不太理想。為了同時滿足檢測效率與檢測精度，先采用傅立葉變換得到緯線傾斜角度，再利用該角度對圖像進行方向鄰域濾波處理，最后在該角度的相鄰范圍內使用高分辨率Hough 變換來達到系統所需要的精確緯斜角度［15］。

牛仔織物圖像的緯斜檢測可分為以下幾個步驟，見圖5。

圖5 緯斜檢測步驟圖像

第一步，對牛仔織物圖像進行剪切，得到分辨率為300 pixel×300 pixel 的圖像S1，見圖5（a）；第二步，對圖像S1采用傅立葉變換，得到傅立葉變換幅值圖，見圖5（b），通過次亮點坐標求得緯斜角度θ1；第三步，對透射圖像采用方向鄰域濾波，設置濾波器的角度值為θ1，L值至少為55 像素點，得到只有緯紗信息的圖像S2，見圖5（c）；第四步，對圖像S2進行圖像細化處理，得到只有牛仔織物緯紗條干信息的圖像S3；第五步，選取Δρ=1，Δθ=0.1°，在（θ1+1°）～（θ1-1°）范圍內，對圖像S3作Hough 變換，得到A(ρ，θ)矩陣，測算出5個峰值點，對其進行平均，求得精確的緯斜角度θ2，見圖5（d）。

4 試驗結果與討論

為驗證本文提出的基于圖像處理的牛仔織物緯斜自動檢測方法的可行性，通過對5 種不同緯密的牛仔織物進行緯斜檢測，計算自動檢測與人工檢測的誤差。試驗時，每塊牛仔織物樣品測試25 cm×100 cm，在轉動中采集10 幅圖 像，為確保穩定采集圖像，牛仔織物運行速度為20 m/min。

4.1 濾波器參數討論

由于采用運動模糊算子，該濾波器中有角度θ與像素長度L兩種參數，其中角度θ與緯紗偏斜角度有關，像素長度L與織物經緯密度相關。以經緯密度分別為237 根/10 cm、122 根/10 cm 的牛仔織物A 為例，更改不同參數對最后緯斜角度檢測結果的影響見圖6。

圖6 濾波器參數對緯斜檢測結果的影響

從圖6 可以看出，緯斜角度隨著濾波器角度參數的提高而逐步提高，在16°～20°范圍內對檢測結果沒有影響；像素長度大于55 個像素點后，角度檢測結果不發生改變。在透射圖像中，兩個白點之間的像素距離由經緯密決定，經緯密越大，像素長度越短。所以，以已有規格經緯密最小的牛仔織物為例，得出像素長度大于55 個像素點對檢測結果不產生影響。對目前試驗來說，在濾波器角度大小波動2°范圍內，像素長度大于55個像素點，能有效提高該檢測方法的精確度。

4.2 緯斜檢測與分析

對5 種規格不同的牛仔織物，先采用人工檢測方法對牛仔織物緯紗偏斜角度進行檢測。人工檢測是在采集到的牛仔織物圖像上畫出牛仔織物緯線，測量出該圖像的緯紗偏斜角度；再采用緯斜自動檢測，得到牛仔織物運動過程中的緯斜檢測結果；同時記錄下動態檢測所耗時間。檢測對比結果見表1。

表1 牛仔織物緯斜自動檢測結果

表1中數據表明：人工檢測和自動檢測的誤差非常小，數值上誤差最大的為A1 的緯斜，誤差僅有0.2°；所有測量結果平均誤差在0.1°左右。誤差產生的原因是由于拍攝時織物張力不均勻，導致織物緯紗排列不均勻；同時由于人工檢測選擇的檢測區域不同，檢測結果也會存在一定的差異。該誤差在實際的生產中屬于合理的誤差范圍。

在上述5 種牛仔織物的檢測中，再采用傅立葉變換和Hough 變換進行自動檢測，記錄下檢測時算法的運算時間，計算出不同算法的平均誤差，3 種算法的對比結果見表2。

表2 幾種算法的性能對比

表2 給出了3 種算法在檢測牛仔織物緯斜時的性能對比。傅立葉變換在檢測較小緯斜角度時，存在精度較差的問題，從而導致平均檢測誤差過高。而本文算法在傅立葉變換的基礎上解決了因紋理導致誤差過大的問題。Hough 變換在檢測過程中需要遍歷整個圖像才能得到檢測結果，計算量過大，運算時間較長。本文方法僅需要在一定角度范圍內，對寬僅有1 個像素點的緯紗條干進行Hough 變換，計算量明顯降低，運算時間為0.3 s，能滿足實時檢測的需求，驗證了本文提出的牛仔織物緯斜自動檢測方法具有較好的可行性。

5 結論

本文利用圖像處理技術實現了牛仔織物緯斜的實時檢測。通過牛仔織物圖像自動采集系統，得到適合圖像處理技術的牛仔織物圖像，利用方向鄰域濾波和Hough 變換定位緯紗，并檢測出緯紗傾斜角度所耗時間和不同試驗方案準確性。試驗表明，在合理的參數配置下，該方法檢測牛仔織物緯斜能夠在±40°的范圍內得到0.2°以內的檢測誤差，單次檢測耗時不超過0.3 s，基本滿足緯斜檢測的實時性與精度要求；相比于目前已有的采用Hough 變換檢測緯斜在時間上有所縮短；也能夠替代目前的光電檢測方法?；诒疚奶岢龅木曅睓z測方法，可以構建出基于圖像分析的牛仔織物緯斜自動檢測儀。